پایان نامه مدل تركيبي الگوريتم ژنتيك-شبكه عصبي مصنوعي و مدل SQDF برای شناسایی دستكاري قيمت سهام

پایان نامه بررسي مدل تركيبي الگوريتم ژنتيك-شبكه عصبي مصنوعي و مدل SQDF برای شناسایی دستكاري قيمت سهام

 

چكيده

پژوهش حاضر به بررسي و شناسايي دستكاري قيمت سهام در شركت هاي پذیرفته شده در بورس اوراق بهادار تهران پرداخته است. اين پژوهش مدل تركيبي از الگوريتم ژنتيك (GA) و شبكه عصبي مصنوعي (ANN) را براي شناسايي دستكاري قيمت سهام ارائه داده و نتايج آن را با نتايج مدل تابع تفكيكي درجه دوي تعديل شده (SQDF) مقايسه كرده است. در مدل تركيبي الگوريتم ژنتيك_شبكه عصبي مصنوعي (ANN-GA) ابتدا داده هاي مربوط به ۳۱۶ شركت بورسي از ابتداي اولين روز كاري سال ۱۳۸۸ تا پايان آخرين روز كاري سال ۱۳۹۱ به صورت روزانه شامل ۹۶۶ روز وارد مدل الگوريتم ژنتيك شده و در نهايت اوزان مربوط به هر متغير از اين الگوريتم منتج شد. سپس با استفاده از اين اوزان شبكه عصبي مصنوعي پرسپترون طراحي، آموزش و اجرا شد. سپس با استفاده از همین داده ها مدل تابع تفكيكي درجه دوي تعديل شده طراحي و اجرا شد و كارايي آن اثبات شد. سرانجام نتايج حاصل از مدل تركيبي الگوريتم ژنتيك_شبكه عصبي مصنوعي با نتايج حاصل از مدل تابع تفكيكي درجه دوي تعديل شده با استفاده از آماره هاي اندازه گيري خطاي MAPE، RMSE و R2 با هم مقايسه شدند. نتايج نشان داد كه مدل ANN-GA ارائه شده، در شناسايي دستكاري قيمت سهام و طبقه بندي شركت ها به دو گروه دستكاري شده و دستكاري نشده عملكرد بسيار بهتري از مدل SQDF داشته و خطاي بسيار كمتري دارد.

کلمات کلیدی: قيمت سهام، دستكاري قيمت سهام، حفاظت از بازار، الگوریتم ژنتیک، شبکه عصبی مصنوعی

 

فصل اول : كليات پژوهش

۱-۱ : مقدمه  ۲

۱-۲ : بيان مسئله  ۲

۱-۳ : اهداف پژوهش  ۳

۱-۴ : فرضيه پژوهش  ۳

۱-۵ : قلمرو پژوهش  ۴

۱-۵-۱ : قلمرو موضوعي پژوهش  ۴

۱-۵-۲ : قلمرو مكاني پژوهش  ۴

۱-۵-۳ : قلمرو زماني پژوهش  ۴

۱-۶ : روش تحليل داده ها  ۴

۱-۷ : تعريف واژگان و اصطلاحات تخصصي پژوهش  ۵

۱-۸ : ساختار پژوهش ۶

 

فصل دوم : مباني نظري پژوهش

۲-۱ : مقدمه  ۸

۲-۲ : تاريخچه دستكاري قيمت سهام  ۹

۲-۳ : مفهوم دستكاري قيمت سهام  ۱۰

۲-۴ : انواع دستكاري قيمت سهام   ۱۱

۲-۴-۱ : دستكاري مبتني بر اطلاعات  ۱۱

۲-۴-۲ : دستكاري مبتني بر معامله  ۱۲

۲-۴-۳ : دستكاري مبتني بر عمل  ۱۲

۲-۵ : اهداف دستكاري بازار   ۱۲

۲-۶ : طرفين دستكاري بازار  ۱۳

۲-۷ : روش هاي دستكاري بازار   ۱۴

۲-۸ : ابزارهاي شناسايي دستكاري بازار  ۱۷

۲-۸-۱ : نظارت بر بازار  ۱۷

۲-۸-۱-۱ : برنامه هاي نرم افزاري  ۱۷

۲-۸-۱-۲ : بایگانی و کنترل اسناد مربوط به مالکیت شرکت ها  ۱۷

۲-۸-۱-۳ : نظارت بر اخبار منتشره توسط شرکت ها  ۱۷

۲-۸-۱-۴ : سيستم نظارت  ۱۸

۲-۸-۲ : نظارت بر رسانه هاي گروهي  ۱۸

۲-۹ : ابزارهای بازدارنده دستکاری بازار  ۱۸

۲-۹-۱ : قوانین فروش استقراضي  ۱۹

۲-۹-۲ : قوانین مربوط به عرضه سهام  ۱۹

۲-۹-۳ : روش های محاسبه شاخص  ۲۰

۲-۹-۴ : افشای اطلاعات  ۲۰

۲-۹-۵ : روش های تعیین آخرین قیمت  ۲۰

۲-۹-۶ : نظارت بر قیمت سهام  ۲۰

۲-۱۰ : مقايسه تعریف دستکاری بازار در برخی کشورها  ۲۱

۲-۱۱ : قوانين و مقررات مربوط به دستكاري بازار در جمهوري اسلامي ايران  ۲۳

۲-۱۲ : شناسايي مولفه هاي بازار  ۲۳

۲-۱۲-۱ :‌ روش هاي شناسايي و طبقه بندي  ۲۴

۲-۱۲-۱-۱ : روش هاي سنتي  ۲۴

۲-۱۲-۱-۱ : روش هاي هوشمند  ۲۴

۲-۱۲-۲ : مقايسه روش هاي شناسايي  ۲۴

۲-۱۳ : روش هاي طبقه بندي متغيرها  ۲۵

۲-۱۳-۱ : روش هاي طبقه بندي متغيرها  ۲۵

۲-۱۳-۲ : مقياس هاي اندازه گيري فاصله  ۲۵

۲-۱۳-۲-۱ : فاصله اقليدسي  ۲۶

۲-۱۴ : ابزارهاي به كار رفته در پژوهش  ۲۷

۲-۱۴-۱ : مدل SQDF  ۲۷

۲-۱۴-۲ : الگوريتم ژنتيك  ۲۸

۲-۱۴-۲-۱ : تفاوت ها و مزاياي الگوريتم ژنتيك  ۲۸

۲-۱۴-۳ : شبكه هاي عصبي مصنوعي  ۳۰

۲-۱۴-۳-۱ : شبكه عصبي پرسپترون چند لايه (MLP)  ۳۱

۲-۱۵ : پژوهش هاي علمي انجام شده گذشته در ارتباط با موضوع حاضر  ۳۲

۲-۱۵-۱ : پژوهش هاي خارجي  ۳۲

۲-۱۵-۲ : پژوهش هاي داخلي  ۳۴

 

فصل سوم : روش شناسي پژوهش

۳-۱ : مقدمه  ۴۰

۳-۲ : جامعه آماري و نحوه جمع آوري داده ها  ۴۰

۳-۳ : مراحل روش پژوهش  ۴۱

۳-۳-۱ : مدل تركيبي الگوريتم ژنتيك-شبكه عصبي مصنوعي  ۴۱

۳-۳-۱-۱ : الگوريتم ژنتيك  ۴۱

۳-۳-۱-۱-۱ : عملگر توليد مجدد يا انتخاب  ۴۳

۳-۳-۱-۱-۲ : عملگر آميزش  ۴۶

۳-۳-۱-۱-۳ : عملگر جهش  ۵۰

۳-۳-۱-۱-۴ : تنظيم سيستم ژنتيك  ۵۵

۳-۳-۱-۱-۴-۱ : كد گذاري پايگاه داده  ۵۵

۳-۳-۱-۱-۴-۲ : توليد جمعيت اوليه  ۵۵

۳-۳-۱-۱-۴-۳ : تابع ارزش تناسب  ۵۵

۳-۳-۱-۱-۴-۴ : انتخاب و نخبه گرايي  ۵۵

۳-۳-۱-۱-۴-۵ : آميزش و جهش  ۵۵

۳-۳-۱-۱-۴-۶ : جايگزيني  ۵۵

۳-۳-۱-۱-۴-۷ : معيار توقف  ۵۶

۳-۳-۱-۲ : شبكه عصبي مصنوعي  ۵۸

۳-۳-۱-۳ : انواع شبكه عصبي مصنوعي  ۵۹

۳-۳-۱-۳-۱ : شبكه عصبي مصنوعي پرسپترون  ۶۰

۳-۳-۱-۳-۱-۱ : شبكه عصبي پرسپترون ساده  ۶۰

۳-۳-۱-۳-۱-۲ : شبكه عصبي پرسپترون چند لايه (MLP)  ۶۰

۳-۳-۱-۴ : معماري شبكه  ۶۲

۳-۳-۱-۴-۱ : مشخص كردن توپولوژي شبكه  ۶۲

۳-۳-۱-۴-۲ : آموزش شبكه  ۶۳

۳-۳-۱-۴-۳ : آزمايش و تعميم شبكه  ۶۳

۳-۳-۱-۴-۴ : اجراي شبكه  ۶۳

۳-۳-۱-۴-۴-۱ : گره های لایه ورودی  ۶۳

۳-۳-۱-۴-۴-۲ : گره های لایه پنهان  ۶۳

۳-۳-۱-۴-۴-۳ : گره های لایه خروجی  ۶۴

۳-۳-۲ : مدل SQDF  ۶۵

۳-۳-۳ : اندازه گيري ميزان خطاي دو روش  ۶۸

 

فصل چهارم : طراحي مدل، مقايسه دو روش و تجزيه و تحليل يافته ها

۴-۱ : مقدمه  ۷۰

۴-۲ : بررسي روند برخي از متغيرهاي پژوهش  ۷۰

۴-۳ : روش الگوريتم ژنتيك  ۷۴

۴-۳-۱ : ايجاد جمعيت اوليه از كروموزوم ها  ۷۴

۴-۳-۲ : تعيين وزن هاي مربوط به هر ژن  ۷۵

۴-۳-۳ : محاسبه ارزش تناسب  ۷۷

۴-۳-۴ : انتخاب و نخبه گرايي  ۷۷

۴-۴ : روش شبكه عصبي مصنوعي  ۷۹

۴-۵ : مدل SQDF  ۸۱

۴-۶ : مقايسه نتايج دو مدل  ۸۳

 

فصل پنجم : نتيجه گيري و پيشنهادات

۵-۱ : مقدمه  ۸۵

۵-۲ : نتيجه گيري  ۸۵

۵-۳ : محدودیت های پژوهش  ۸۶

۵-۳ : پيشنهادات  ۸۶

 

منابع و مآخذ  ۸۷

پيوست ۱ :  فرم كلي برنامه نويسي و اجراي الگوريتم ژنتيك در نرم افزار متلب  ۹۱

پيوست ۲ :  نتايج حاصل از مقايسه دو مدل ANN-GA  و  SQDF  ۹۱

 

 فهرست جداول

جدول ۲-۱ : خلاصه مقايسه تعریف دستکاری بازار در برخی کشورها  ۲۲

جدول ۲-۲ : خلاصه پژوهش هاي خارجي و داخلي انجام شده  ۳۶

جدول ۳-۱ : مقایسه الگوریتم ژنتیک با سیستم های طبیعی  ۴۲

جدول ۳-۲ : تفاوت هاي بنيادين روش هاي محاسباتي متداول و شبكه هاي عصبي مصنوعي  ۵۸

جدول ۴-۱ : اوزان مربوط به هر ژن  ۷۶

جدول ۴-۲ : نتايج حاصل از طبقه بندي شركت ها با استفاده از داده هاي آموزشي  ۸۰

جدول ۴-۳ : نتايج حاصل از طبقه بندي شركت ها با روش ANN-GA  ۸۰

جدول ۴-۴ : نتايج حاصل از طبقه بندي شركت ها با روش SQDF  ۸۲

جدول ۴-۵ : مقايسه نهایی نتايج مدل ANN-GA و مدل SQDF  ۸۳

 

فهرست روابط

رابطه ۳-۱ : احتمال انتخاب در روش چرخ رولت  ۴۴

رابطه ۳-۲ : محاسبه مقادیر تجمعی در چرخ رولت  ۴۵

رابطه ۳-۳ : احتمال انتخاب در روش قطعی بریندل  ۴۷

رابطه ۳-۴ : محاسبه مقادیر تجمعی در روش قطعی بریندل  ۴۷

رابطه ۳-۵ : احتمال جهش  ۵۱

رابطه ۳-۶ : مجموع موزون ورودی های نرون های لایه پنهان اول  ۶۳

رابطه ۳-۷ : مجموع موزون ورودی های نرون های لایه پنهان دوم  ۶۴

رابطه ۳-۸ : خروجی های نرون های لایه های پنهان اول  ۶۴

رابطه ۳-۹ : خروجی های نرون های لایه های پنهان دوم  ۶۴

رابطه ۳-۱۰ : مجموع موزون ورودی های لایه خروجی  ۶۴

رابطه ۳-۱۱ : خروجی نرون لایه خروجی  ۶۴

رابطه ۳-۱۲ : طبقه بندی شرکت ها  ۷۱

رابطه ۳-۱۳ : رابطه مربوط به مدل SQDF  ۷۱

رابطه ۳-۱۴ : رابطه تعديل شده مربوط به مدل SQDF  ۷۳

رابطه ۳-۱۵ : رابطه مربوط به MAPE  ۷۴

رابطه ۳-۱۶ : رابطه مربوط به RMSE  ۷۴

رابطه ۳-۱۷ : رابطه مربوط به R2   ۷۴

رابطه ۴-۱ : محاسبه تعداد بيت‌هاي متناظر با هر متغير  ۷۴

رابطه ۴-۲ : محاسبه مقدار n  ۷۴

رابطه ۴-۳ : محاسبه طول رشته برای k متغیر  ۷۴

 

فهرست اشكال و نمودارها

شكل۲-۱ : طبقه بندي به وسيله مقايسه با نزديك ترين همسايه  ۲۵

شكل۲-۲ : فاصله اقليدسي  ۲۶

شکل۳-۱ : چرخ رولت  ۴۵

شكل ۳-۲ : آميزش تك نقطه اي  ۴۸

شكل ۳-۳ : آميزش دو نقطه اي  ۴۹

شكل ۳-۴ : آميزش جامع  ۴۹

شكل ۳-۵ : جهش يك ژن در يك كروموزوم  ۵۰

شکل ۳-۶ : شبیه سازی جهش به کمک نمودار  ۵۰

شکل ۳-۷ : جهش باینری  ۵۲

شکل ۳-۸ : جهش از نوع وارونه سازی بیت  ۵۳

شکل ۳-۹ : جهش از نوع تغییر ترتیب قرارگیری  ۵۳

شکل ۳-۱۰ : جهش از نوع وارون سازی كروموزوم  ۵۳

شکل  ۳-۱۱ : جهش از نوع تغییر مقدار  ۵۴

شكل ۳-۱۲ : ساختار اجراي الگوريتم ژنتيك  ۵۷

شكل ۳-۱۳ : نمونه‌اي از يك شبكه پرسپترون چند لايه  ۶۱

شكل ۳-۱۴ : ساختار شبكه عصبي مصنوعي پرسپترون براي حفاظت از بازار سهام  ۶۲

شكل ۴-۱ : روند روزانه حجم معاملات ۴ سال اخير در بازار بورس ايران  ۷۰

شكل ۴-۲ : روند روزانه ارزش معاملات ۴ سال اخير در بازار بورس ايران  ۷۱

شكل ۴-۳ : روند روزانه تعداد معاملات ۴ سال اخير در بازار بورس ايران  ۷۲

شكل ۴-۴ : روند شاخص كل ۴ سال اخير در بازار بورس ايران  ۷۳

شكل ۴-۵ : ساختار كروموزوم  ۷۵

شكل ۴-۶ : نمودار مستطيلي بهبودي نسل­ها  ۷۷

شكل ۴-۷ : نمودار نقطه اي بهبودي نسل­ها  ۷۸

شكل ۴-۸ : نمودار ميزان خطاي دو مدل QDF و SQDF با نمونه هاي مختلف  ۸۱

×